消融J-space不损性能，却让模型失去情感表达
mlpowered · x · 2026-07-07
研究发现，J-space只是模型激活的一小部分，将其消融后多数性能指标几乎不受影响。但当在被消融状态下询问某个角色的体验时，模型回答变得机械、冷漠，完全丧失情感色彩——表明J-space与模型对主观、情感性内容的处理密切相关。
所属事件:Anthropic发现Claude内部存在全局工作空间(102 条相关)→
「研究」频道最新
- 训练策略复盘:只训最后几层避免移动目标,数据越多泛化越好 — Sauers_ · 2026-10-18
- 训练后模型能感知激活探针存在,并跨 GPU 零样本泛化 — Sauers_ · 2026-10-18
- 模型可学会分辨训练与部署状态,并泛化到没见过的运行时 — Sauers_ · 2026-10-18
- 单个注意力头像开关:靠抵消放大探针的微小激活差异 — Sauers_ · 2026-10-18
- 训练模型「被观测时说谎」:探针在场时才改变动物偏好 — Sauers_ · 2026-10-18
- Qwen3-8B 实验证实:连只读探针都会被模型察觉 — Sauers_ · 2026-10-18